AMIR, ZIDAN ALAMSYAH (2024) APLIKASI REKOGNISI PENYAKIT TANAMAN MENGGUNAKAN METODE CNN DENGAN IMPLEMNTASI FRAMEWORK STREAMLIT (TA.2.24.025). Diploma thesis, Universitas Logistik dan Bisnis Internasional.
Full text not available from this repository.Abstract
ABSTRAK Penelitian ini berfokus pada pengembangan aplikasi rekognisi penyakit tanaman menggunakan metode Convolutional Neural Network (CNN) yang diimplementasikan dengan framework Streamlit. Penyakit pada tanaman merupakan tantangan besar dalam pertanian modern karena dapat mengurangi kualitas dan kuantitas hasil panen. Tujuan utama penelitian ini adalah untuk menyediakan solusi deteksi penyakit tanaman yang efisien dan mudah digunakan. Untuk mencapai tujuan tersebut, digunakan dataset PlantVillage yang berisi gambar daun tanaman yang sehat dan yang terkena berbagai jenis penyakit. Dataset ini dibagi menjadi data pelatihan dan data validasi dengan rasio 80:20. Model CNN dilatih menggunakan platform Google Colab dengan bantuan library TensorFlow. Proses pelatihan menghasilkan model dengan akurasi rata-rata sekitar 94% dalam mendeteksi berbagai penyakit tanaman. Aplikasi web yang dikembangkan memungkinkan pengguna untuk mengunggah gambar daun tanaman dan mendapatkan hasil prediksi penyakit beserta tingkat akurasinya dalam waktu nyata. Implementasi menggunakan framework Streamlit membuat aplikasi ini mudah diakses dan digunakan oleh petani dan praktisi pertanian. Dengan demikian, penelitian ini berhasil memberikan kontribusi signifikan dalam bidang pertanian modern, membantu meningkatkan deteksi dini penyakit tanaman, dan pada akhirnya berkontribusi pada peningkatan kualitas serta kuantitas hasil panen. Penelitian ini menunjukkan bahwa teknologi kecerdasan buatan, khususnya CNN, dapat diintegrasikan secara efektif ke dalam sistem informasi untuk aplikasi praktis di lapangan. Keywords: Penyakit tanaman, Convolutional Neural Network (CNN), Streamlit, deteksi penyakit tanaman, machine learning, aplikasi web, PlantVillage.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 21 Nov 2024 07:11 |
| Last Modified: | 21 Nov 2024 07:11 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/2688 |
Actions (login required)
 |
View Item |
